論文の概要: UTOPIA: Unconstrained Tracking Objects without Preliminary Examination via Cross-Domain Adaptation

• arxiv url: http://arxiv.org/abs/2306.09613v1
• Date: Fri, 16 Jun 2023 04:06:15 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-19 15:09:31.112477
• Title: UTOPIA: Unconstrained Tracking Objects without Preliminary Examination via Cross-Domain Adaptation
• Title（参考訳）: UTOPIA:クロスドメイン適応による予備試験のない非拘束追跡対象
• Authors: Pha Nguyen, Kha Gia Quach, John Gauch, Samee U. Khan, Bhiksha Raj, Khoa Luu
• Abstract要約: 多重オブジェクト追跡(MOT)は、連続したビデオフレーム内で対象オブジェクトのバウンディングボックスとIDを見つけることを目的としている。 完全に教師されたMOTメソッドは、既存のデータセットで高い精度を達成したが、新たに取得したデータセットや新しい未知のドメインではうまく一般化できない。 本稿では、まず、ドメイン間の観点からMOT問題に対処し、実際に新しいデータ取得のプロセスを模倣する。 既存のデータセットからの新たなクロスドメインMOT適応は、オブジェクトの理解とモデリングに関する人間の知識を事前に定義せずに提案されている。
• 参考スコア（独自算出の注目度）: 26.293108793029297
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multiple Object Tracking (MOT) aims to find bounding boxes and identities of targeted objects in consecutive video frames. While fully-supervised MOT methods have achieved high accuracy on existing datasets, they cannot generalize well on a newly obtained dataset or a new unseen domain. In this work, we first address the MOT problem from the cross-domain point of view, imitating the process of new data acquisition in practice. Then, a new cross-domain MOT adaptation from existing datasets is proposed without any pre-defined human knowledge in understanding and modeling objects. It can also learn and update itself from the target data feedback. The intensive experiments are designed on four challenging settings, including MOTSynth to MOT17, MOT17 to MOT20, MOT17 to VisDrone, and MOT17 to DanceTrack. We then prove the adaptability of the proposed self-supervised learning strategy. The experiments also show superior performance on tracking metrics MOTA and IDF1, compared to fully supervised, unsupervised, and self-supervised state-of-the-art methods.
• Abstract（参考訳）: 多重オブジェクト追跡(MOT)は、連続したビデオフレーム内で対象オブジェクトのバウンディングボックスとIDを見つけることを目的としている。 完全教師付きmotメソッドは既存のデータセットで高い精度を達成したが、新たに取得したデータセットや新しい未認識ドメインではうまく一般化できない。 本稿では,まずmot問題をクロスドメインの観点から解決し,実際に新たなデータ取得の過程を模倣する。 次に、オブジェクトの理解とモデリングに関する人間の知識を事前に定義することなく、既存のデータセットからの新たなクロスドメインmot適応を提案する。 また、ターゲットのデータフィードバックから学習し、更新することもできる。 集中的な実験は、MOTSynth to MOT17、MOT17 to MOT20、MOT17 to VisDrone、MOT17 to DanceTrackの4つの挑戦的な設定で設計されている。 そして,提案する自己教師付き学習戦略の適応性を証明する。 実験はまた、MOTAとIDF1のトラッキングにおける優れた性能を示し、完全に教師付き、教師なし、そして自己管理された最先端の手法と比較した。

関連論文リスト

• AttMOT: Improving Multiple-Object Tracking by Introducing Auxiliary Pedestrian Attributes [33.25021763110573]
  本稿では,一般的なRe-ID埋め込みを支援するために,歩行者属性を簡易かつ効果的かつ汎用的に予測する手法を提案する。 歩行者追跡のための大規模で高度にリッチな合成データセットであるAttMOTを紹介した。 次に、注意機構を含む、Re-ID埋め込みと歩行者属性を融合するさまざまなアプローチについて検討する。
  論文  参考訳（メタデータ） (2023-08-15T02:39:39Z)
• OmniTracker: Unifying Object Tracking by Tracking-with-Detection [119.51012668709502]
  OmniTrackerは、完全に共有されたネットワークアーキテクチャ、モデルウェイト、推論パイプラインですべてのトラッキングタスクを解決するために提供されている。 LaSOT、TrackingNet、DAVIS16-17、MOT17、MOTS20、YTVIS19を含む7つの追跡データセットの実験は、OmniTrackerがタスク固有の追跡モデルと統合された追跡モデルの両方よりも、オンパーまたはそれ以上の結果を達成することを示した。
  論文  参考訳（メタデータ） (2023-03-21T17:59:57Z)
• Unifying Tracking and Image-Video Object Detection [54.91658924277527]
  TrIVD (Tracking and Image-Video Detection) は、画像OD、ビデオOD、MOTを1つのエンドツーエンドモデルに統合する最初のフレームワークである。 カテゴリラベルの相違やセマンティックな重複に対処するため、TrIVDは対象カテゴリに対する検出/追跡を基礎と理由として定式化している。
  論文  参考訳（メタデータ） (2022-11-20T20:30:28Z)
• RLM-Tracking: Online Multi-Pedestrian Tracking Supported by Relative Location Mapping [5.9669075749248774]
  マルチオブジェクトトラッキングの問題は、公安、輸送、自動運転車、ロボティクス、人工知能を含む他の領域で広く利用されている、基本的なコンピュータビジョン研究の焦点である。 本稿では、オブジェクト textbfRelative Location Mapping (RLM) モデルと textbfTarget Region Density (TRD) モデルを含む、上記の問題に対する新しいマルチオブジェクトトラッカーを設計する。 新しいトラッカーは、オブジェクト間の位置関係の違いに敏感である。 物体の密度に応じてリアルタイムで異なる領域に低スコア検出フレームを導入することができる
  論文  参考訳（メタデータ） (2022-10-19T11:37:14Z)
• SOMPT22: A Surveillance Oriented Multi-Pedestrian Tracking Dataset [5.962184741057505]
  我々はSOMPT22データセットを紹介した。これは、都市監視のための高さ6-8mのポール上の静止カメラから撮影した注釈付きショートビデオを備えた、複数人の追跡のための新しいセットである。 我々は,新しいデータセット上での検出とreIDネットワークの利用方法について,MOTトラッカーをワンショットと2ステージに分類して分析する。 我々の新しいデータセットの実験結果から、SOTAは依然として高効率には程遠いことが示され、シングルショットトラッカーは高速実行と精度を競合性能と一体化するための良い候補である。
  論文  参考訳（メタデータ） (2022-08-04T11:09:19Z)
• Unified Transformer Tracker for Object Tracking [58.65901124158068]
  異なるシナリオにおけるトラッキング問題に1つのパラダイムで対処するために,UTT(Unified Transformer Tracker)を提案する。 SOT(Single Object Tracking)とMOT(Multiple Object Tracking)の両方を対象とするトラックトランスフォーマーを開発した。
  論文  参考訳（メタデータ） (2022-03-29T01:38:49Z)
• Probabilistic Tracklet Scoring and Inpainting for Multiple Object Tracking [83.75789829291475]
  本稿では,トラックレット提案の確率的自己回帰運動モデルを提案する。 これは、我々のモデルを訓練して、自然のトラックレットの基盤となる分布を学習することで達成される。 我々の実験は、挑戦的なシーケンスにおける物体の追跡におけるアプローチの優位性を実証している。
  論文  参考訳（メタデータ） (2020-12-03T23:59:27Z)
• MOTChallenge: A Benchmark for Single-Camera Multiple Target Tracking [72.76685780516371]
  単カメラ多目的追跡(MOT)のためのベンチマークMOTChallengeを提案する。 このベンチマークは、歩行者がトラッキングコミュニティで最も研究されているオブジェクトであるため、複数の人を追跡することに重点を置いている。 我々は,最先端トラッカーの分類と広い誤差解析を行う。
  論文  参考訳（メタデータ） (2020-10-15T06:52:16Z)
• Simultaneous Detection and Tracking with Motion Modelling for Multiple Object Tracking [94.24393546459424]
  本稿では,複数の物体の運動パラメータを推定し,共同検出と関連付けを行うディープ・モーション・モデリング・ネットワーク(DMM-Net)を提案する。 DMM-Netは、人気の高いUA-DETRACチャレンジで12.80 @120+ fpsのPR-MOTAスコアを達成した。 また,車両追跡のための大規模な公開データセットOmni-MOTを合成し,精密な接地トルースアノテーションを提供する。
  論文  参考訳（メタデータ） (2020-08-20T08:05:33Z)
• Joint Object Detection and Multi-Object Tracking with Graph Neural Networks [32.1359455541169]
  グラフニューラルネットワーク(GNN)に基づく共同MOT手法の新たな例を提案する。 我々は,GNNベースの共同MOT手法の有効性を示し,検出タスクとMOTタスクの両方に対して最先端の性能を示す。
  論文  参考訳（メタデータ） (2020-06-23T17:07:00Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。